本发明涉及it运维监控领域，尤其涉及一种it设备存储容量趋势分析和预警的方法、系统及电子装置。
背景技术
当今，随着信息技术的迅速发展，it设备的运维监控成为信息化建设不可缺少的一部分。在it设备的运维监控中，it设备的存储容量与it设备的健康持续运行具有极大的关联性，且在运维监控的过程中，获取的大部分it设备异常警告都与其存储空间占满有关，因而对存储容量的运维监控就十分重要了。而传统的存储容量监控只能查看当前设备的容量占用情况和剩余情况，但是无法预警在某个周期内设备存储容量即将占满。因而在日常运维过程中，不能够提前发出预警信息，使得运维人员不能提前准备扩容或者清理存储容量，因而无法有效避免因设备存储容量而产生的设备异常，进而无法维持it设备的持续健康运行。
技术实现要素：
根据本发明的一个方面，提供了一种it设备存储容量趋势分析和预警方法，以解决传统运维中因存储容量占满而被动解决设备故障的问题，通过本发明的预警时间点提前为运维人员发出预警通知，达到提前预防存储空间占满的目的，该方法可以包括：获取设备的存储容量的历史指标数据；根据历史指标数据训练生成容量预测模型；设定设备的预警容量值，根据容量预测模型和预设的预警容量值生成预警时间。基于历史指标数据训练出容量预测模型的设计，可以将设备的存储容量的多个历史指标数据进行归纳训练得出设备的存储容量间一定规律性的关系，且由于是设备的历史指标数据，数据来源符合设备的实际情况，因而可以使得到的预测模型更加精确。基于训练出的预测模块，就可以根据需求设定设备的预警容量值，之后基于上述容量预测模型显示的存储容量变化关系，就可以得出达到预警容量值对应的预警时间，进而就可以及时提醒运维人员进行提前对设备进行扩容或清理存储空间，实现了及时对设备的存储容量占满情况进行预警的功能，并且快速简单，可行性高。
在一些实施方式中，it设备存储容量趋势分析和预警的方法，其中，历史指标数据包括记录点的编号和记录点编号对应的容量指标数据值，根据历史指标数据训练生成容量预测模型包括如下步骤：将记录点的编号和记录点编号对应的容量指标数据值映射为坐标样本数据，并根据记录点编号和对应容量指标数据值的坐标映射关系确定一元线性回归方程模型；根据坐标样本数据，通过第一计算模型，生成所述一元线性回归方程模型的斜率；根据记录点编号，通过第二计算模型，生成一元线性回归方程模型的截距；根据计算出的斜率和截距以及一元线性回归方程模型，得到容量预测模型，其中，容量预测模型的斜率为容量增长率。由此，可以仅通过采集的设备的存储容量的每个记录点的编号和记录点编号对应的容量指标数据值就可以得到相应的映射关系，数据简单，获取方便，根据一元线性回归方程的几何意义，就可以通过其斜率得出容量增长率，由数学模型构建的容量预测模型可以更加精准实时的得出所需的预警信息。
在一些实施方式中，it设备存储容量趋势分析和预警的方法，设定设备的预警容量值，根据容量预测模型和预设的预警容量值生成预警时间可以包括如下步骤：根据预警容量值和容量预测模型生成达到预警容量值对应的记录点编号；根据历史指标数据获取记录点编号与采集记录点的时间的映射关系，根据获取的预警容量值对应的记录点编号和记录点编号与采集记录点的时间的映射关系生成预警时间。由此，通过将采集的记录的编号分别与采集时间和采集的容量值相对应，就可以根据上述容量预测模型获取任一容量值对应的记录点编号，并根据记录点编号获取到记录的采集时间。这样通过将容量值设定为预警容量值，就可以根据预设的预警容量值获取预警记录点的编号，进而得到预警时间，操作简单，实现方便。
在一些实施方式中，it设备存储容量趋势分析和预警的方法还可以包括：配置设备的存储容量计算周期；获取设备的存储容量的历史指标数据实现为获取计算周期内的存储容量的历史指标数据。由此，可以根据需求设置计算周期，并根据计算周期内的历史数据进行预警时间的预测分析，能够更好的满足用户需求，且基于特定计算周期内采集的历史指标数据进行预测分析，分析结果更符合设备的运行规律，提高计算出的预警时间的准确率。同时，通过设定计算周期，还可以根据不同的计算周期动态计算设备的存储容量增长率，实现对设备动态分析。
在一些实施方式中，it设备存储容量趋势分析和预警的方法，还可以包括：根据预警时间和持续采集的容量历史指标数据进行机器学习，生成预警容量值输出。将预警时间和持续采集的容量历史指标数据作为训练数据导入机器学习数据模型中，就可以基于历史数据进行机器学习和分析，从而得出设备的预警容量值，该值为设备能够有效反应设备发生异常时一般达到的容量值，相对于人工设定的预警容量值，更符合设备实际情况，且更能有效实现预警。通过该计算分析方法，从准确性和适应性等方面，都更加符合实际监控数据所反映的情况。由此，通过机器学习与上述大数据算法等结合，能够更加准确的提高预测的真实性，极大的提高监控设备存储容量预警的准确率，提高监控设备的健康状况。
在一些实施方式中，上述it设备存储容量趋势分析和预警的方法，还可以包括如下步骤：配置设备的预警频率；根据配置的预警频率进行监控，在达到预警频率时，获取设备的历史指标数据，根据容量预测模型和预警容量值生成预警时间。由此，通过配置预警频率就可以实现实时监控按需监控的功能，根据预警频率对整个设备的存储容量的趋势分析和预警的任务进行调用，达到动态计算、监控的功能，以确保监控it设备的正常运转。
本发明基于上述it设备存储容量趋势分析和预警的方法还提供一种存储容量趋势分析和预警的系统，可以包括：存储模块，用于存储设备容量的历史指标数据；历史数据获取模块，与存储模块连接，用于获取存储容量的历史指标数据；以及预警时间计算模块。其中，预警时间计算模块可以包括，容量预测模型获取单元，用于根据历史指标数据训练生成容量预测模型；容量基数获取单元，用于配置设备的预警容量值；容量预测值获取单元，用于根据容量预测模型和预警容量值获取存储容量的预警时间。历史数据获取模块作为整个系统获取数据源的关键，预警时间计算模块的设定作用整个系统的核心，其下包含的单元可以实现将获取的设备的历史数据指标进行计算、处理等获得最终的预警时间，由此，通过历史数据获取模块获取的历史指标数据，将其传输至预警时间计算模块中的容量预测模型获取单元，训练出容量预测模型，可以将设备的存储容量的多个历史指标数据进行归纳训练得出设备的存储容量间一定规律性的关系，且由于是设备的历史指标数据，数据来源符合设备的实际情况，因而可以使得到的预测模型更加精确。基于训练出的容量预测模型，就可以在容量基数获取单元中根据需求设定设备的预警容量值，之后基于上述容量预测模型显示的存储容量变化关系，就可以在容量预测值获取单元中得出达到预警容量值对应的预警时间，进而就可以及时提醒运维人员进行提前对设备进行扩容或清理存储空间，实现了及时对设备的存储容量占满情况进行预警的功能，并且快速简单，仅通过几个模块间的互相作用就可以实现，可行性高。
在一些实施方式中，上述it设备存储容量趋势分析和预警的系统，还可以包括：计算周期配置模块，用于配置设备的容量计算周期；历史数据获取模块还用于根据配置的容量计算周期，获取计算周期内的存储容量的历史指标数据；容量预测模型获取单元还用于根据获取计算周期内的历史指标数据训练生成容量预测模型；和/或，该系统还可以包括智能预警模块，用于获取预警时间和持续采集的容量历史指标数据，利用机器学习模型生成预警容量值输出。计算周期配置模块和智能预警模块的设定都可以使整个系统的精准性更高，防止由于少量不规则数据的采集引起的系统预警误差，并且对于计算周期配置模块，将预警时间和持续采集的容量历史指标数据作为训练数据导入智能预警模块中，就可以基于历史数据进行机器学习和分析，从而得出设备的预警容量值，该值为设备能够有效反应设备发生异常时一般达到的容量值，相对于人工设定的预警容量值，更符合设备实际情况，且更能有效实现预警，可以根据运维人员的需求进行实时监控，以确保监控it设备的正常运转。
在一些实施方式中，上述系统还可以包括：调度代理模块，用于根据配置的预警频率调用所述预警时间计算模块进行预警时间的分析计算。由此，可以通过配置预警频率实现实时监控按需监控的功能，根据预警频率配置调度代理的调用频率进行对整个设备的存储容量的趋势分析和预警的任务，达到动态计算、监控的功能，以确保监控it设备的正常运转。
本发明还提供了一种用于it设备的存储容量的趋势分析和预警的电子装置，可以包括存储介质和执行单元，存储介质中存储有应用程序，应用程序包括有上述系统或为用于实现上述方法的程序模块；执行单元用于调用存储介质中存储的应用程序，生成预警时间输出。由此，可以实现及时对设备的存储容量占满情况进行预警的功能，并且快速简单，可行性高，而且电子装置方便携带安装，可以对不同的it设备进行预警。
附图说明
图1为本发明一实施方式的it设备存储容量趋势分析和预警的方法流程图；
图2为本发明另一实施方式的it设备存储容量趋势分析和预警的方法流程图；
图3为本发明又一实施方式的it设备存储容量趋势分析和预警的方法流程图；
图4为本发明一实施方式的it设备存储容量趋势分析和预警的系统框架结构图；
图5为本发明另一实施方式的it设备存储容量趋势分析和预警的系统框架结构图；
图6为本发明又一实施方式的it设备存储容量趋势分析和预警的系统框架结构图；
图7为本发明一实施方式的it设备存储容量趋势分析和预警的电子装置的结构图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
图1示意性地显示了根据本发明的一种实施方式的it设备存储容量趋势分析和预警的方法的流程。如图1所示，该方法包括：
步骤s101：获取设备的存储容量的历史指标数据。获取it设备的历史指标数据，可以是从传统的it运维监控系统的数据库中获取，也可以是从云端数据库获取，还可以是根据实际应用，从内存数据库或存储文件中获取，本发明对此不做限制，只要是能够获取采集的it设备存储容量指标的历史记录即可。其中，获取的存储容量历史指标数据至少包括：采集历史指标数据的记录点的编号和记录点编号对应的容量指标数据值。各设备的存储容量历史指标数据可以通过设备id与各自的设备绑定。这样，在对相应设备进行监控时，就可以通过设备id获取其存储容量历史指标数据进行预警分析。
步骤s102：根据历史指标数据训练生成容量预测模型。具体实现为：根据获取的it设备的存储容量历史指标数据，将各历史指标的数据的记录点的编号和记录点编号对应的容量指标数据值映射为坐标样本数据为(xi,ji)，其中，xi为第i个数据点i的值(即采集记录点的编号)，yi为第i个数据点对应的存储容量历史指标的数据值。之后，根据记录点编号和对应容量指标数据值的坐标映射关系，为其建立一元线性回归方程模型为y＝bx+a，其中，y为设备的容量数据值，x为与该容量数据值对应的采集记录点编号。之后，利用第一计算模型，将坐标样本数据(xi,ji)代入第一计算模型：
就可以计算出一元线性方程的斜率b，即容量增长率；
利用第二计算模型，将样本坐标数据代入第二计算模型：
就可以计算一元线性方程的截距a。根据计算出的斜率b和截距a。根据计算出的斜率b和截距a，就可以确定一元线性方程模型的具体方程式，该具体的方程式即为该it设备的存储容量对应的容量预测模型。
步骤s103：设定设备的预警容量值，根据容量预测模型和预设的预警容量值生成预警时间。在通过上述步骤计算出斜率b和截距a的值之后，确定的容量预测模型后，根据用户需求设定出待预测的容量值，即设定出y的值，就可以经由该容量预测模型计算该容量值对应的记录点的编号x的值，即在第x个数据点时，采集的设备的容量值将达到设定的待预测容量。由于对it设备的容量数据值的采集，一般是按照配置的采集频率进行的，而通过采集频率就可以获取采集记录点编号与采集时间的映射关系，因此，在历史指标数据中还可以包括有设备的容量数据的采集频率，根据采集频率就可以计算出每天采集的记录数，将每天采集的记录数与记录点编号进行映射计算，就可得到是在第几天进行的采集，例如在采集频率为每五分钟采集一个数据点的情况下，获取30天的历史指标数据，可以获取到8640个数据点的数据，将该8640个数据点进行编号，并计算每天采集的次数为288次，就可以得到采集的天数与采集记录点编号的关系为天数＝采集记录点编号/每天采集的记录数，其中每天采集的记录数＝每天的总采集时长/采集频率，这样就可以记录点编号与时间的映射关系，通过如下公式：
计算出预警时间，其中，n为每天容量指标的记录数。在该例中，将得到的采集点编号(即最大采集点编号)和每天采集的记录数(由采集频率决定)代入，就可以得到采集到该容量值对应的记录点编号为8640/288＝30，也就是在第30天时会达到该容量值，那么将该值加一，记为预警时间值，即在30天后的紧接着的下一天，就会超出预警容量，因此就会输出预警信息为指定设备在第31天会达到容量预警值。由此，就可以获取最终的预警时间值。提醒运维人员提前准备扩容或者清理存储容量，保证it设备的可持续健康运行。
图2示意性地显示了根据本发明的另一种实施方式的it设备存储容量趋势分析和预警的方法的流程。如图2所示，该方法包括：
步骤s201：配置设备的存储容量计算周期；可以根据用户需求，为it设备设置存储容量的历史指标数据的计算周期，以用于指定要获取的历史指标数据的时间段。具体实现为：首先在数据库或配置文件中设置设备的计算周期，再获取预设的计算周期的值，根据计算周期的值，获取该计算周期内的相应的存储容量的历史指标数据。其中，计算周期的值可根据需求设置为任意数值，根据it设备的运行规律，优选将该计算周期设置为30天。
步骤s202：获取计算周期内的设备存储容量的历史指标数据；根据上述设定的计算周期30天，可以是自动循环获取计算周期30天内的历史指标数据，也可以是根据其他应用或模块的调用，获取计算周期30天内的历史指标数据，其中，历史指标数据的具体获取方式可参照步骤s101，区别仅在于本实施例只是获取设备在计算周期内的历史指标数据。
步骤s203的具体实现方式可以参照步骤s102；
步骤s204：根据预警时间和持续采集的容量历史指标数据进行机器学习，生成预警容量值输出。具体实现为：将每次进行监测时计算得到的同类设备的预警时间存储为预警时间历史记录，设定机器学习模型，将存储的预警时间历史记录和持续采集的设备容量历史指标数据作为训练数据导入机器学习数据模型中，就可以计算得出预警容量值。该预警容量值为基于大数据分析学习后得到的更符合设备实际情况的预警值，基于该预警容量值进行容量的预警分析，更能够体现设备的容量运行风险情况。其中，设定的机器学习模型可以参照现有技术实现，例如本实施例中，可以是参照现有技术选取一个合适的机器学习算法，并根据该机器学习算法预先构建一个数据学习模型，并通过导入的训练数据进行不断学习，最终形成对预警容量值的计算模型。其中，机器学习算法可以包括：svm、神经网络等，本实施例中不对机器学习算法进行限制。由机器学习获得的预警容量值更加精准，并且更加贴合设备的实际运行情况。
步骤s205：根据容量预测模型和预警容量值生成预警时间。该步骤的实现方法与步骤s103基本相同，不同仅在于在本实施例中，使用的预警容量值为通过步骤s204中机器学习得到的，具体实现为：将上述由机器学习获取的预警容量值代入容量预测模型中，具体代入和计算方法可以参照步骤s103，就可以获取由机器学习获得的预警容量值对应的预警时间。
通过本实施例，就可以根据在计算周期内采集的存储容量的历史指标数据动态计算出的增长率和当前预警容量对应的时间，并根据机器学习获取的预警容量值对应的时间在容量即将占满的多个预警时间前提前发出预警通知，以确保监控it设备的正常运行，使得预测的精准度更高。
图3示意性地显示了根据本发明又一实施方式的it设备存储容量趋势分析和预警的方法流程图；如图3所示，该方法包括：
步骤s301：配置设备的容量计算周期；具体实现方式可以参见步骤s201。
步骤s302：配置设备的预警频率；其中，在获取it设备的存储容量历史指标数据时，可以是自动循环获取计算周期内的历史指标数据，例如通过轮询的方式，也可以是通过多线程监控和调用的方式，例如通过设置预警频率，并设置一线程对预警频率进行监控，例如调度代理线程，在达到预警频率时，调用另一线程或其他应用或模块，例如预警分析线程或应用或模块，进行预警分析。其中，配置设备的预警频率的方式可以是通过设置配置文件，也可以是通过数据库存储的方式。其中，调度代理线程通过步骤s303实现，预警分析线程通过步骤s304～s307实现。
步骤s303：获取设备的预警频率进行判断；在根据用户需求配置完容量计算周期和预警频率之后，先通过it设备的调度代理线程判断任务的运行时间是否达到预警频率的值，如果两者相等，说明达到预警频率，则调用步骤s304～307执行容量趋势分析与预警计算的操作。在本实施例中可以将预警频率设置为1天/次，根据该预警频率就需要每天都获取计算周期内的历史指标数据，进行各性能的指标阀值的动态计算。由此，可以根据需求，动态配置预警频率，以达到随时间变化动态进行预警分析的效果。
步骤s304至步骤s307的具体实现方式可以参照步骤s202至步骤s205。
图4示意性地显示了根据本发明一实施方式的it设备存储容量趋势分析和预警的系统框架结构图；如图所示：该系统包括：存储模块401、历史数据获取模块402、预警时间计算模块403。存储模块401存储有设备容量的历史指标数据。历史数据获取模块402用于从存储模块401中获取设备容量的历史指标数据。预警时间计算模块403用于根据历史指标数据计算生成预警时间值。其中，预警时间计算模块403包括：容量预测模型获取单元4031、容量基数获取单元4032和容量预测值获取单元4033。容量预测模型获取单元4031用于根据获取的it设备的存储容量历史指标数据，将各历史指标的数据的记录点的编号和记录点编号对应的容量指标数据值映射为坐标样本数据为(xi,ji)，其中，xi为第i个数据点i的值，yi为第i个数据点对应的存储容量历史指标的数据值。然后，通过公式：
就可以计算出一元线性方程的斜率b，即容量增长率；
通过公式：
就可以计算一元线性方程的截距a。根据计算出的斜率b和截距a，代入一元线性方程y＝bx+a，就可以获得该it设备的存储容量对应的容量预测模型。
容量基数获取单元4032用于配置设备的预警容量值，其中可以通过用户根据对设备的预警需求进行手动配置。
容量预测值获取单元4033用于根据由容量预测模型获取单元4031获取的容量预测模型和由容量基数获取单元4032配置的预警容量值获取存储容量的预警时间。其具体实现方法可以参照上述方法部分的描述。
当设备与本系统连接时，系统的历史数据获取模块402会获取it设备的存储容量的历史指标数据，并将这一数据传输至预警时间计算模块403，预警时间计算模块403中的容量预测模型获取单元4031，就会先对获取的历史指标数据进行计算处理获得容量预测模型，用户再通过容量基数获取单元4032配置一预警容量值，在容量预测值获取单元4033中，就会根据用户配置的预警容量值与容量预测模型获取预警容量时间点对应的编号，而在容量预测值获取单元4033中设有记录点编号与采集记录点的时间的映射关系，通过该映射关系就可以获得采集该预警容量时间点的时间，即预警时间。
图5为本发明另一实施方式的it设备存储容量趋势分析和预警的系统框架结构图；本系统还包括：计算周期配置模块501和智能预警模块502。计算周期配置模块501用于配置it设备容量的历史指标数据获取的周期。其中，历史数据获取模块402还用于根据配置的容量计算周期，获取计算周期内的存储容量的历史指标数据。该系统可以根据配置好的存储容量的计算周期，从存储模块401获取计算周期内的历史指标数据。可以通过获取某一周期内历史指标数据动态计算设备的存储容量的容量预测模型，从而通过预警时间计算模块403获得预警时间值。智能预警模块502为机器学习模型，用于获取预警时间和持续采集的容量历史指标数据，利用机器学习模型生成预警容量值输出。再将该预警容量值容量预测模型传输至容量预测值获取单元4033中，获取对应的预警时间。本实施例中，可以根据机器学习算法预先构建一个数据学习模型，并通过导入的训练数据进行不断学习，最终形成对预警容量值的计算模型。其中，机器学习算法可以包括：svm、神经网络等，本实施例中不对机器学习算法进行限制。通过本实施例，就可以根据在计算周期内采集的存储容量的历史指标数据动态计算出的增长率和当前预警容量对应的时间，并根据机器学习获取的预警容量值对应的时间在容量即将占满的多个预警时间前提前发出预警通知，以确保监控it设备的正常运行，使得预测的精准度更高。
图6为本发明又一实施方式的it设备存储容量趋势分析和预警的系统框架结构图。如图所示：
本系统还可以包括调度代理模块601，用于根据配置的预警频率调用预警时间计算模块403进行预警时间的分析计算。在启动历史数据获取模块402从存储模块401获取计算周期内的历史指标数据前，首先配置调度代理和预设计算频率，并根据设置的计算频率进行监控，每隔计算频率的时间间隔，即在达到计算频率时，从存储模块获取计算周期内的历史指标数据。
其中，本发明各实施例中提及的计算周期，也可以在调度代理的配置文件中预设，即在配置调度代理时，同时在调度代理的配置文件中预设计算频率和计算周期。根据需求，计算频率和计算周期也可设置为同一值。
本发明的系统主要应用在it运维监控系统中，可以根据it运维监控系统采集的it设备的存储容量指标数据，根据一元线程回归预测方程和容量基数动态计算和设置预警容量值，以主动预警的方式为运维人员提供预告警，提高it设备的健康运行率。而且，通过设置调度代理和计算频率，也可以根据需求，随时间变化动态的调用相应的系统模块和方法，对预警容量值进行计算和设置，以进一步提高预警的实时准确性，更好的满足实际需求。
图7示意性地显示了根据本发明一实施方式的it设备存储容量趋势分析和预警的电子装置的结构图；如图所示：包括存储介质701和执行单元702，存储介质701中存储有应用程序，应用程序包括有上述it设备存储容量趋势分析和预警的系统或为用于上述it设备存储容量趋势分析和预警方法的程序模块；执行单元702用于调用存储介质中存储的应用程序，生成预警时间输出。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。